教學課程:開始使用ML
本文中的筆記本旨在讓您快速開始使用 Azure Databricks 上的機器學習服務。 您可以將 每個筆記本匯入 Azure Databricks 工作區,以執行這些筆記本 。
這些筆記本說明如何在機器學習生命週期中使用 Azure Databricks,包括數據載入和準備;模型定型、微調和推斷;和模型部署和管理。 它們也會示範適用於自動化超參數微調的 Hyperopt、用於模型開發的 MLflow 追蹤和自動記錄,以及模型管理的模型登錄等實用工具。
scikit-learn 筆記本
Notebook | 需求 | 功能 |
---|---|---|
機器學習教學課程 | Databricks Runtime ML | Unity 目錄、分類模型、MLflow、使用 Hyperopt 和 MLflow 進行自動化超參數微調 |
端對端範例 | Databricks Runtime ML | Unity 目錄、分類模型、MLflow、使用 Hyperopt 和 MLflow 自動超參數微調 XGBoost |
Apache Spark MLlib Notebook
Notebook | 需求 | 功能 |
---|---|---|
使用 MLlib 進行機器學習 | Databricks Runtime ML | 羅吉斯回歸模型、Spark 管線、使用 MLlib API 的自動化超參數微調 |
深度學習筆記本
Notebook | 需求 | 功能 |
---|---|---|
使用 TensorFlow Keras 進行深度學習 | Databricks Runtime ML | 類神經網路模型、內嵌 TensorBoard、使用 Hyperopt 和 MLflow 進行自動參數微調、自動記錄、ModelRegistry |
意見反應
https://aka.ms/ContentUserFeedback。
即將登場:在 2024 年,我們將逐步淘汰 GitHub 問題作為內容的意見反應機制,並將它取代為新的意見反應系統。 如需詳細資訊,請參閱:提交並檢視相關的意見反應